嵌套网络模型下的相似图像检索方法

对深度学习领域的稠密卷积网络（dense convolutional network,DenseNet）进行改进,提出了一种嵌套网络模型下的相似图像检索方法。该方法主要通过嵌入压缩和激励网络（squeeze-and-excitation network,SENet）,调整原DenseNet网络结构,优化特征提取模块,从而提高图像检索的准确率。在整个深度学习的过程中,给图像特征通道设置合理的权值,抑制图像中的无效特征,能够进一步提高图像的检索速度。实验结果表明,所提算法能够加强图像有效特征的传递,无论从精度和速度方面均可得到较好的图像检索结果。     

引力搜索算法优化脉冲耦合网络的图像检索方法

启发于脉冲耦合网络(PCN)在视觉特征表示方面的优势,提出使用引力搜索算法(GSA)优化脉冲耦合网络(PCN)来提取图像的视觉特征,对PCN的参数使用优化机制来提高所获取的特征质量,由此来提高基于内容的图像检索(CBIR)的分类和检索结果.首先对学习的图像用PCN生成特征码;然后计算特征码间的距离,距离变量作为适应度函数的输入;最后利用引力搜索算法优化PCN的几个变量,进行参数更新.在Caltech256和Corel数据库上的实验结果表明提出方法的有效性,相比于改进的相关反馈方法(IRF)、颜色边缘结合离散小波变换方法(CE-DWT)和色矩结合局部二进制模式方法(CM-LBP),提出的方法检索精确度至少提高了5%,查全率提高4%左右.     

基于代表色特征的图像检索

基于内容的图像检索（CBIR,Content-based Image Retrieval)在多媒体检索中得到越来越多的重视,本文提出了一种基于图像颜色特征的图像检索方法,在经过变形的HSL颜色模型空间,通过适当的聚类分析算法提取出能够代表图像颜色特征的代表色集,并引入代表色的分布特征和纹理特征,作为图像的特征矢量进行匹配检索,在试验中本方法取得了较好的试验结果。     

基于图像几何特征的预检索技术研究

图像特征的有效提取及表征是基于内容图像检索中的关键问题,将图像的几何特征引入图像的抽象描述中,利用四叉树结构进行特征索引,实现了动态检索基于图像空间几何特征的检索方法,与传统单特征的检索方法相比,减少了特征数据量,缩短了检索时间.     

基于颜色聚类的JPEG图像索引与检索

针对JPEG压缩图像,根据感知相似性,提出一种基于颜色聚类带相关反馈的快速压缩域索引和检索方法.该方法直接在YCbCr空间上进行,可提高图像特征提取的速度、节省存储空间.实验结果证明了本方法的有效性.     

多粒度颜色特征在图像检索中的应用

将商空间粒度计算理论引入到了图像检索领域,提出了一种新的图像检索方法.首先针对彩色图像在不同粒度下的表现得到不同粒度下的颜色特征,获得不同的商空间,然后根据商空间粒度合成原理对已得到的商空间进行合成,进而以合成后的属性函数来完成图像检索.与采用单一颜色特征的图像检索方法相比,采用多粒度颜色特征的图像检索方法能够在更大程度上利用图像自身所提供的信息,实验结果验证了该方法的可行性和有效性.     

基于误差加权哈希的图像检索方法

图像检索技术旨在大规模图像库中准确、快速地检索与查询图像相似的图像。基于此,对误差加权哈希Error Weighted Hashing(EWH)快速近似最近邻搜索算法进行分析,并将其与Locality Sensitive Hashing(LSH)局部敏感哈希、Multi-Index Hashing(MIH)多索引哈希进行分析比较,然后基于误差加权哈希(EWH)算法构建图像检索系统,设计分段哈希索引的结构以及该系统所需要实现的功能模块。     

基于模板匹配的图像检索方法研究

基于内容的图像检索实际上是一种近似匹配技术[1],[2],由用户指定一幅示例图像并提取其特征,然后与数据库中的图像特征进行比较,判断其相似程度,并将结果反馈给用户。当两幅图像之间存在着较大的旋转、平移等几何变形时,特征匹配的结果往往并不准确。为了消除影像的几何变形对图像检索的影响,提出了一种先对影像进行变形纠正然后使用模板进行匹配的方法,实验证明该方法的检索精度要高于传统的特征匹配检索精度。     

基于颜色直方图的图像检索

在当前图像检索研究的现状上,提出了基于颜色特征的CBIR系统.采用综合特征（图像的平均值、能量、熵和方差）检索,采用直方图相交算法和曼哈顿距离公式计算图像的相似性,获得较精确的、效率较高的检索结果.     

基于块匹配的综合图像检索技术

提出了一种基于文本、语义和特征块匹配相结合的综合图像检索方法．首先,将图像入库时进行人工标注;然后运用SVM机器学习框架,建立先验知识库,提取图像的语义特征;然后利用Harris算子检测出图像的特征点,进一步统计出两个图像中匹配的特征块数目,计算图像间的相似距离．实验结果表明,这种综合检索方法能更全面、更精确地描述了图...     

LLE方法在图像检索中的应用

在基于内容的图像检索中,图像特征的维数往往随着图像特征描述的详尽而剧烈的增加,在建立图像库时高维特征的存储空间度以及度量图像之间相似性的运算复杂度都将非常高.采取一个颜色均匀性谓词对图像进行多层分解来提取图像的颜色特征,在此基础上与LLE算法相结合对图像的高维特征进行降维.实验表明,该相关算法具有较好的性能.     

基于奇偶交叉卷积的轻量级图像语义分割网络

传统轻量级图像语义分割网络中的跨步下采样卷积导致感受野呈现刺状分布,使得像素点利用率出现系统偏差,影响分割精度的提升。为此,针对传统的轻量级图像语义分割网络设计一种奇偶交叉卷积的下采样模块,在跨步奇数卷积模块前增加单步偶数卷积模块,在一定程度上缓解了刺状分布带来的不良影响,消除了分割网络中不同空间位置上像素利用率的偏差,最终提高了模型对像素点的分割精度。通过7种不同轻量级图像语义分割网络的对比可以看出,所提模型可以明显消除刺状分布,使分割网络的精度进一步提高,同时也证明了该模型适用于不同的轻量级网络,具有普适性。     

生命科学网络信息资源检索方法与技巧的教学

从搜索引擎的选择、网络信息资源导航系统的利用、查全率和查准率的提高、高校及科研机构图书馆的网络资源利用等几方面探讨了高校生物专业信息检索课中网络信息资源检索方法与技巧的教学,以期促进高校生物专业信息检索课教学的改革与发展.     

基于奇偶交叉卷积的轻量级图像语义分割网络

传统轻量级图像语义分割网络中的跨步下采样卷积导致感受野呈现刺状分布,使得像素点利用率出现系统偏差,影响分割精度的提升。为此,针对传统的轻量级图像语义分割网络设计一种奇偶交叉卷积的下采样模块,在跨步奇数卷积模块前增加单步偶数卷积模块,在一定程度上缓解了刺状分布带来的不良影响,消除了分割网络中不同空间位置上像素利用率的偏差,最终提高了模型对像素点的分割精度。通过7种不同轻量级图像语义分割网络的对比可以看出,所提模型可以明显消除刺状分布,使分割网络的精度进一步提高,同时也证明了该模型适用于不同的轻量级网络,具有普适性。     

基于多融合模型的图像语义描述研究

图像语义描述可以自动生成图像的自然语言描述,对场景理解具有重要意义。本文主要针对图像语义描述的特征学习和语义学习等进行改进,提出一种新的多融合模型。实验结果表明,本文提出的模型有较好的描述效果,但模型在训练时时间过长,有待改进。     

利用多维空间同源连续性的图像检索

对两个同源的事物,从一个事物逐渐变化到另一个事物的过程存在连续性. 该文依据多维空间仿生信息学理论,结合图像特征数据的提取与多维空间的点同源连续性规律,提出一种同源相似度和图像仿生距离相结合的相似性度量方法,实现高效的图像检索. 用COREL图像库进行测试,表明所提出的方法可有效提高检索效率.     

小波变换域中图像字符的定位提取方法

在对图像中字符特点分析的基础上,研究其在小波变换域中的特征,依据这些特征提出了小波变换域中字符的定位提取方法,进一步提出采用自适应动态阈值及结合块间信息提高检测的正确率及增强算法的适应性.所提出的方法对基于JPEG2000、MPEG4等利用小波变换处理的图像中的字符定位,只需要少量的解压缩,可以提高处理的速度;同时,又能充分利用其在频域中的特点.实验结果表明,此方法具有较高的准确率.     

基于提升小波和双树复小波的图像检索新算法

由于提升小波的高效性,双树复小波的多方向选择性等特点,所以本文提出了一种新的检索算法:基于提升小波和双树复小波变换的图像检索算法。此算法首先对图像分别进行提升小波和双树复小波变换,得到每层各个方向上的高频子图像;然后将各层上各方向的高频子图像组合,提取它们的纹理特征;最后通过计算特征向量之间的canberra距离,检索出相似度高的图像。实验结果说明,此算法的检索效率高于提升小波和双树复小波的算法。     

一种基于双重网络模型的单幅图像超分辨率方法

本文对深度学习领域中的高效亚像素卷积神经网络（efficient sub-pixel convolutional neural network,ESPCN）算法进行了改进,通过加入残差网络知识,调整原有的ESPCN构造结构,提出了一种双重网络模型下单幅图像超分辨率重建方法。通过实验证明：该算法能够有效地提高单幅图像超分辨率重建的精度,丰富重建后的细节信息。     

面向制造过程的海量数字图像高效检索算法研究

结合图像的形状特征、纹理特征和颜色特征,提出一种面向制造过程的海量图像高效检索算法.算法利用傅立叶描述子法和二维形状分布法描述图像的形状特征,利用灰度共生矩阵描述图像的纹理特征,利用颜色直方图表达图像的颜色特征.在得到图像的形状特征、纹理特征和颜色特征后,分别采用欧式距离、马氏距离和夹角余弦距离计算这三种特征的相似度,最后对三种特征的相似度进行综合,得到图像的整体相似度,实现多特征的联合检索.仿真结果表明,本算法应用于不同类型和格式的海量数字图像,具有较高的检索精度和较快的检索速度.